K:
Mi a különbség a felügyelt, nem felügyelt és a félig felügyelt tanulás között?
A:A gépi tanulásban a felügyelt és nem felügyelt tanulás közötti fő különbség a képzési adatok felhasználása.
A felügyelt tanulás példaadatokat használ arra, hogy megmutassák, hogy néz ki a „helyes” adat. Az adatok felépítése az adott bemenetek kimeneteinek megjelenítésére szolgál.
A gyümölcsöket osztályozó gépi tanulási algoritmusnak lehet képei gyümölcsökről, például almáról, banánról, szőlőről és narancsról bemeneti anyagként, és ezeknek a gyümölcsöknek a neve kiindulási anyagként.
Valós példa erre az e-mail programok bayes-i spamszűrője. Ezeket a szűrőket olyan spamnek tekinthető e-mailek példáival látjuk el. A spamszűrő ezután kereshet bizonyos, az e-mailekben megjelenő, a spam e-mailekben megjelenő kifejezéseket, és áthelyezheti azokat egy spam mappába.
Ez olyan, mint megmutatni az embernek, hogyan kell új feladatot végrehajtani. Az adatbevitelt végző személyeknek példákat lehet mutatni az adatokra olyan formátumban, amelyet a vállalat igényel, majd várhatóan követni fogja azokat.
A felügyelt tanulást használó gépi tanulási programok sokszor iterálnak a képzési adatokkal. Az eredmények lenyűgözőek lehetnek, ha valóban megy. A Google Gmail spamszűrője nagyon pontos, mivel nagyon sok felhasználó képzi azt.
A felügyelet nélküli tanulásnak nincs korábbi képzési adata. A gyümölcs osztályozási példánkban egy algoritmusnak csak képeket lehet mutatni a gyümölcsről, és meg kell utasítanunk, hogy osztályozzák őket.
A felügyelet nélküli tanulás alkalmazható a piackutatásban az ügyfelek vásárlási szokásainak megtanulása révén, vagy a biztonság a hackelési minták megfigyelésével.
A félig felügyelt tanulás megkísérel középértéket elérni az adatok egy részének megcímkézésével. Például az alma és a narancs fel lehet tüntetve a gyümölcsosztályozási programban, de a banán és a szőlő nem.
Az algoritmusok bármelyikének felhasználásának ideje a használt adatok típusától függ. Egyes feladatok stabil mintákkal rendelkeznek, például hitelkártya-csalások vagy spam üzenetek. A felügyelt tanulás megfelelő az ilyen típusú feladatokhoz. A hálózati támadások kiszámíthatatlanok, és a felügyelet nélküli vagy félig felügyelt tanulási módszerek megfelelőbbek lehetnek.
